08-3 Minitab简介(161～240).ppt

1、Stat Quality Tools Gage R&R Study (Crossed).,路径,STAT MENU, 测定值, 输入规格的公差, 测定者, 点击Options, 样本编号, OK, OK,规格的范围 - 上面的例题中点度规格范围是 242,公差是2, 即为4. - 如果规格范围是403,则公差是 3, 即为6.,Dialog 窗口,STAT MENU,分析结果,4.4,%R&R,4.1,精密度,4.2,反复性,4.3,再现性,4.5,P/T,精密度 (测量的散布程度 ) 对精密度的评价方法是通过 %R&R, P/T. 精密度有反复性和再现性的区分.,4.1,反复性 测定机的散布

2、程度,4.2,再现性 测定者间的散布程度,4.3,Session窗口,Graph窗口(1),4.1,精密度,4.2,反复性,4.3,再现性,4.4,%R&R,4.5,P/T,Components of Variation 通过画柱状图来表示Session窗口上的分析结果, 柱状图通过%R&R, P/T的基准来表示各个精密度,反复性,再现性. 精密度, 反复性, 再现性 的柱子高度越低越好.,Graph 窗口(2),R Chart by 测量者 - 每点表示某一个测量者对同一个产品反复测定几次时, 其中的最大值与最小值的差值(称为极差), 用R值表示. - 所有点应该处于管理上下限以内. - 对

3、测量者别进行评价的时候, R值越小表示某个测量者 反复测量的越精密. 本例中的白班长所测量的三次R值相比其他人要小, 因此可说明白班长较其他人测量要精密些.,Xbar Chart by 测量者 - 每个点表示某个测定者对同一产品的反复测量几次时, 几个测量值的平均值. - 管理上下限的幅度表示测量散布的大小. - 希望所有的点都在管理上下限以外,并且呈现出有规律的 形态. 即, 希望产品间的散布比测量的散布要大.,Graph 窗口(3),By 样本编号 - 表示各样本所有测量值的平均及其散布的程度. - 对于每个样本来说,我们希望反复几次测量的所有值 其散布的程度越小.,By 测量者 - 表示

4、各测量者所有测量值的平均及其散布的程度. - 理论上对于各个测量者所有的测量值的平均值应相等.,By 测量者*样本编号 Interaction - 表示按照样本别各测量者之间的测量值. - 理论上各条线应该平行或重合, 假设线之间有交叉, 我们可以认为测量者与样本之间有交互作用.,Graph 窗口(4),3-5-5. Multi-Vari 分析,Multi-vari (例),Worksheet,STAT MENU,Time Series Plot 分析,1. 利用Minitab制作Time Series Plot,GraphTime Series Plot,路径,STAT MENU,点击OK,

5、Worksheet,Dialog 窗口,STAT MENU, 分析结果 : 组装时间随着时间的推移有逐渐增加的趋势且有一定的周期(cycle).,Graph 窗口,STAT MENU,Box Plot 分析,GraphBox plot,Worksheet Open: Multi.mtw,路径,STAT MENU,点击OK,Worksheet,Dialog 窗口,STAT MENU, 日期和组装时间, 分析结果 : 可以知道日期别不同组装时间有差异.,Graph窗口,STAT MENU, ZIP MODEL和组装时间, 分析结果 : ZIP MODEL不同组装时间有差异,特别是G MODEL的散

6、布较大,Graph窗口,STAT MENU, 分析结果 : 各个组装者的组装时间有差异, 组装者和组装时间,STAT MENU,Main Effect Plot (主效果分析),StatANOVAMain Effect Plot,路径,STAT MENU,点击OK,Worksheet,Dialog窗口,STAT MENU, 分析结果 : 日期,Zip Model,组装者之间的组装时间的差异较大,为了进一步分析, 对日期,组装者进行t-test, 对Zip Model实施ANOVA 分析,Graph窗口,STAT MENU,3-5-6. Chi-Square 检验,Chi-Square test

7、,X (原因变数),Y (结果变数),记数值,计量值,记数值,计量值,Chi-Square test,Logistic Regression,t-test One-Way ANOVA,回归分析 相关分析,STAT MENU,独立性检验,Stat Tables Chi-Square Test,S公司的职位分布参考右表, 想知道部门别人力的职位比率是 否相同.,例题 1,Worksheet,路径,STAT MENU,Dialog , 点击OK, 变数指定,Dialog窗口,STAT MENU,分析结果,P-value值 P-Value 0.05 的时候 各变数相互独立. P-Value 0.05

8、各变数相互从属. - 上例中的 P-Value=0.606, 比0.05要大, 职位比率和部门没有相关,是独立性变数. 即,可以推定部门别人力比率相同.,Session窗口,STAT MENU,3-5-7. T-Test,t-test,1-Sample Z,2-Sample t,1-Sample t,Paired t,t-test的选择,1-Sample Z 在当我们想评价样本Data的平均和母集团(全体集团)的平均是否相同的时候. 且当母集团的平均和标准偏差已知的时候适用. 为了观察从D电子购买的部品的平均重量,随机抽取10个样本并对其重量进行测量. 我们希望部品的重量为40g, 到目前为止

9、生产的部品的母标准偏差为3g. 1-Sample t 在当我们想评价样本Data的平均和母集团(全体集团)的平均是否相同的时候. 且当母集团的平均已知而标准偏差未知的时候适用. 为了观察从D电子购买的部品的平均重量,随机抽取10个样本并对其重量进行测量. 我们希望部品的重量为40g, 而部品的母标准偏差未知. 2-Sample t 在当我们想评价从两个相互不同的集团中取出的样本Data的平均是否相同的时候适用. 为了评价从D公司和E公司购买的部品的平均重量是相同还是不同,从各公司购买的部品中 各随机抽取10个并测量其重量. Paired t 在当我们想评价两个互相成对的样本Data的平均是否的

10、时候适用. 为了评价从D公司购买的部品的左侧厚度和右侧厚度的平均是相同还是不同,随机抽取 10个并测量其左侧和右侧厚度.,2-Sample t,为了评价从D公司和E公司购买的部品的平均重量是否相同, 从各公司购买的部品中各随机抽取10个并 测量其重量.,例 题,Stacked Data,D公司部品的重量,E公司部品的重量,Worksheet,STAT MENU,Stat Basic Statistics 2-Sample t,路径,STAT MENU, 点击Assume equal variances,Stacked Data, 变数指定 (选择测量的Data列), 点击Boxplots of

11、 data, 点击OK, 点击OK, 点击Graphs, 变数指定 (选择条件输入的列),Dialog窗口,STAT MENU,分析结果,样本数,算术平均,标准偏差,95.0% CI : 两个集团平均差异的95%信赖区间 - 上例中两个集团平均差异的95% 信赖区间 ( -3.87, 1.77 ) , 0在这个95% 信赖区间以内. 即,( D公司部品平均重量 E公司部品平均重量 = 0 )可以成立. 从这两个集团中分别收集的Data的平均可以相等的意思. 所以, 从D公司购买的部品的平均重量和E公司购买的部品的平均重量可以相等.,P-Value P-Value 0.05 的时候 可以推断出两

12、个集团的Data 平均相同. P-Value 0.05 的时候 可以推断出两个集团的Data 平均不相同. 上例中的P-Value=0.445, 比0.05大,可说明 从D公司购买的部品的平均重量和从E公司 购买的部品的平均重量相同.,两个集团平均的差异,Session窗口,STAT MENU,中央值 ( Median ),算术平均,Graph 窗口,STAT MENU,3-5-8. ANOVA(分散分析),One-way ANOVA(一元分散分析),1,平均差检验,散布差检验,平均差检验使用的Tool,2-Sample t ( 两个集团或条件时 ) 在当我们想评价从两个互相不同的集团中抽取的

13、样本Data的平均是否相同的时候适用. 为了评价从D公司购买的部品平均重量和从E公司购买的部品平均重量是否相同,从各个公司 购买的产品中各随机抽取10个并测量其重量. One-way ANOVA ( 三个以上集团或条件时 ) 在当我们想评价从互相不同的三个以上集团中抽取的样本Data的平均是相同还是不同的时候适用. 在E工程生产的部品其Hole Size是最重要的品质. 而E工程生产该部品起用了3台设备, 为了评价设备别生产的部品 Hole Size的平均是否相同,按照设备别生产的部品各随机抽样5个, 并测量其Hole Size.,STAT MENU,平均差检验,在E工程生产的部品其Hole

14、Size是最重要的品质. 而E工程生产该部品起用了3台 设备,为了评价设备别生产的部品 Hole Size的平均是否相同,按照设备别生产的 部品各随机抽样5个,并测量其Hole Size. 假设Hole Size的目标值是25.0mm.,例题,Unstacked Data,Stacked Data,1号设备部品的Hole Size,2号设备部品的Hole Size,3号设备部品的Hole Size,Worksheet,STAT MENU,Stat ANOVA One-way,Stacked Data,路径,STAT MENU,Dialog ,Stacked Data, 变数指定 (选择测量的D

15、ata列), OK, 点击Graphs, 变数指定 (选择条件输入的列), 点击Boxplots of data, OK,Dialog 窗口,分析结果,样本数,算术平均,标准偏差,设备的评价 - 上例中的P-Value=0.009,比0.05小,可说明三个设备中中至少有一个设备生产的产品的Hole Size 平均与其它不同. - Hole Size的目标值为25.0mm, 平均的信赖区间中包含25.0mm,可推断出其中的1号设备和2号设备是较好的设备, 而3号设备不好. - 如果, P-Value比0.05大时,不能确定设备别生产的产品的Hole Size的平均有不同，从而评价三个设备这也是没

16、有 太大的意义.,条件别平均的95% 信赖区间,P : P-Value P-Value 0.05 的时候 可推断出各集团间Data 平均相同. P-Value 0.05 的时候 可得知至少有一个集团Data 平均与其它不同. - 上例中的P-Value=0.009,比0.05小, 可说明三个 设备中至少有一个设备生产的产品的Hole Size 平均 与其它设备不同.,25.0mm : Hole Size 目标值,设备名,Session 窗口,Boxplots - 可看出各设备别中心和散布的程度.,Graph窗口,STAT MENU,3-5-9. 相关/回归分析,相关分析(Correlation

17、 Analysis),(x, y) 观测值参考下表, 画出散点图并求样本相关系数(Correlation Coefficient),例题,相关系数,Worksheet,STAT MENU,散点图,路径,Graph 窗口,分析结果,Correlations: x, y Pearson correlation of x and y = 0.919 P-Value = 0.027,相关系数 r,13,10,20,回归分析(Regression),K公司的池科长为了查看美国同产业每日股份变动对于公司的每日股份变动有无影响,在制造类似的产品的 美国同产业中选择了10个公司.检查了2个月左右的K公司的日日

18、股份变动率和美国的10个同产业公司的 日日平均股份变动率,收集了40个Data.,例题,R-Square,回归式,Stat Regression Fitted Line Plot,Worksheet,路径,STAT MENU,Dialog , 结果变数指定 (得到影响的变数), 原因变数指定 (造成影响的变数), 选择Type of Regression Model, OK,Type of Regression : 选择回归模式 Linear Quadratic Cubic 线形 2次曲线 3次曲线,Dialog窗口,分析结果,R-Square,回归式,R-Square (决定系数) 全体变动

19、中根据回归直线能说明的变动. R-Square = 79.2%,即是说对于K公司的每日股市变动率,其中有79.2%的变动 可由美国同产业的每日股市变动率来说明. 而20.8%的变动是由其它的原因引起的变动.,回归式 0 : 截距 X是0的时候,预测的Y值 上例中,同产业的每日变动率是0的时候, K公司的预想每日变动率是-0.117925. 1 : 偏差 X增加1时, Y值的增加幅度 上例中,同产业的每日变动率增加1,K公司的 每日变动率增加1,即, 预想增加0.98948.,0,1,Session窗口,0 : -0.117925,1 0.948948 增加,1增加,R-Square,回归式,G

20、raph窗口,STAT MENU,Y值的预测方法, 当同产业的每日股市变动率为5.0时, K公司的预想的每日股市变动率为多少呢? - 利用回归式 回归式的 “变动率(同产业)”输入0.5 计算“变动率(K公司) 变动率(k公司) = -0.117925 + 0.948948 0.5 = 0.356549 - 利用回归线 利用回归线,当同产业变动率是5.0的 时候查找K公司的变动率,0.05,0.356549,STAT MENU, Y 规格 355, X的范围设定 14.63.4,X的管理范围设定方法, X的管理范围选定方法 1. 把握顾客的要求或规格(Spec.) 例) Y规格 (顾客的要求)

21、 : 355 2. 满足顾客要求的X的范围设定 - 通过回归式计算, 或利用Graph设定 - 设定X的范围 : 14.63.4 3. 考虑残差(Error), 比初次设定的范围要窄的范围设定,STAT MENU,3-5-10. DOE (实验计划法),提高S工程的药品吸收速度这是提高工程的制造效率的重要因素.而对药品吸收速度影响重要的因子 取触媒量和反应温度各取2个水准，按照下面的条件再现2次做实验,然后收集Data. - 触媒量(%) : 0.3%, 0.5% - 反应温度() : 150, 170,例题,Stat DOE Factorial Create Factorial Design

22、,Worksheet 制作,路径,Dialog 1, 选择因子数, 选择水准数,上例中的因子有触媒量和反应温度,所以因子数有2个., 点击Designs,Dialog 窗口(1),STAT MENU, 选择再现次数,上例中各因子再现2次做实验., OK,Dialog 窗口(2),STAT MENU, 点击Factors, 因子和水准输入, OK, OK,Dialog窗口(3),STAT MENU,输入实验结果的列,输入实验结果,吸收速度 88是当 触媒量为0.3%, 反应温度为 150时所作实验的结果,Worksheet,分析,Stat DOE Factorial Analyze Factor

23、ial Design,路径,STAT MENU, 点击OK, 结果变数指定 (实验结果),Dialog窗口,STAT MENU,分析结果,主效果,交互作用,P : P-value值 P-Value 0.05 的时候 因子的水准变化时, 结果值平均没有变化. 即说明该因子不是明显影响的因子. P-Value 0.05 的时候 因子的水准变化时,结果值平均有变化. 即该因子是明显的因子. - 上例中触媒量和反应温度的主效果的P-Value比0.05要小,可说明这两个因子影响明显, 接着要研究的是其最佳的水准, 而触媒量和反应温度的交互作用P值比0.05要大,这可以 说明该交互作用不存在.,因子别明

24、显与否 主效果 - 触媒量 ( P = 0.010 0.05 ) 明显 - 反应温度 ( P = 0.004 0.05 ) 明显 交互作用 - 触媒量*反应温度 ( P = 0.889 0.05 ) 不明显,Session窗口,通过图表设定最佳水准,Stat DOE Factorial Factorial Plots,路径,STAT MENU,上例中因子别明显与否 主效果 - 触媒量 ( P = 0.010 0.05 ) 明显 - 反应温度 ( P = 0.004 0.05 ) 明显 交互作用 - 触媒量*反应温度 ( P = 0.889 0.05 ) 不明显,设定最佳水准 主效果的两个因子都

25、明显, 交互作用不明显,故在Main Effects Plot上 设定最佳水准,STAT MENU, 点击Main Effects Plot, 点击Interaction Plot, 点击Setup, 结果变数指定 (实验结果), 指定经选择 的主效果, OK,Dialog窗口(1),STAT MENU, 点击Setup,Dialog窗口(2),STAT MENU, 结果变数指定 (实验结果), 指定经选择的 交互作用, OK, OK,Dialog窗口(3),STAT MENU,分析结果,因子别明显与否 主效果 - 触媒量 ( P-Value = 0.010 0.05 ) 明显 - 反应温度

26、( P-Value = 0.004 0.05 ) 明显,主效果的最佳水准: 结果(吸收速度)是越大越好. 主效果 触媒量, 反应温度都是影响明显的因子,各个因子设定最佳水准 - 触媒量 : 0.5% 水准时的结果(吸收速度)最大 - 反应温度 : 170 水准时的结果(吸收速度)最大,Graph窗口(1),STAT MENU,因子别明显与否 交互作用 - 触媒量*反应温度 ( P = 0.889 0.05 ) 不明显,交互作用的最佳水准 交互作用不明显,故不设定 最佳水准,Graph窗口(2),STAT MENU,最佳水准设定 : 为了使吸收速度最高的因子别水准 触媒量 : 0.5% 反应温度

27、 : 170,在最佳水准上预想的结果值 触媒量 : 0.5% 反应温度 : 170 的时候, 实验结果出现110, 108, 则平均109是对最佳水准 所预想的吸收速度.,STAT MENU,3-6. Graphs (图表分析),Layout,3维Graph,2维Graph,其它 Graph,3-6-2,3-6-3,3-5-4,3-6-1,Core Graph : 从现在DATA的基本散点图到复杂的多重Graph都直接的表现 3D Graph : 对3个变数的 Wire frame plot, surface plot Specialty graph : 混合基本Graph要素以少的作业生成复

28、杂的Graph. Character graph : Session window 用表现的简单的Graph.,不仅学会用统计方法分析,而且学会从视觉上分析DATA而活用Graph的方法.,PURPOSE,OVERVIEW,Graph Layout,一个Graph窗口上可以画出几个互相不同的Graph,GRAPH MENU,Title: 输入Graph 题目 Footnote: 输入Graph 说明 Text: 在Graph上必要的位置上指定输入的文字 Line: 在Graph上可画出用来说明的Data线 Maker : 在Graph上特定的位置输入表示记号 Polygon: 用四边形将Graph上